Zuvor habe ich [Sammeln von Informationen zu maschinellem Lernen und Statistiken] zusammengefasst (http://qiita.com/ynakayama/items/92f1390b3674439756b4). Heute habe ich als Fortsetzung oder Ergänzung ein kostenlos lesbares Python-E-Book zusammengestellt, mit dem Sie Ihre Daten analysieren können.
Es ist eine gute Idee, das PDF hier in Ihr Tablet oder Ihren PC zu stecken und es zu durchsuchen, wann immer Sie es benötigen. Sie können jedes Mal eine Google-Suche durchführen, aber es ist sicherer, über die Grundkenntnisse zu verfügen, die Sie benötigen, um sicherzustellen, dass Sie das Buch verstehen.
Erstens ist Python 3 selbst.
Free Python Books http://www.onlineprogrammingbooks.com/python/
Von oben können Sie verschiedene Python-Bücher kostenlos durchsuchen. Einige von ihnen sind etwas ältere Python 2-Bücher, daher ist es eine gute Idee, sich darüber im Klaren zu sein, auf welche Python-Version Sie abzielen.
Meine Empfehlung ist übrigens
Dive Into Python 3 http://www.onlineprogrammingbooks.com/free-book-dive-into-python-3/
Sie können die japanische Version des oben genannten auf der Webseite lesen. http://diveintopython3-ja.rdy.jp/index.html
An Introduction to Python http://www.onlineprogrammingbooks.com/read-online-or-download-pdf-an-introduction-to-python/
Become a Code Breaker with Python http://www.onlineprogrammingbooks.com/become-a-code-breaker-with-python/
Programming Computer Vision with Python http://www.onlineprogrammingbooks.com/download-free-pdf-programming-computer-vision-with-python/
Es ist herum.
Programming in Python 3, 2nd Edition http://www.ebooks-it.net/ebook/programming-in-python-3-2nd-edition
Dies ist nicht kostenlos, aber ich denke, es ist in Ordnung, wenn Sie dieses Buch für die Programmierung in Python 3-Serien behalten.
Sie können sich auf die offizielle SciPy- und NumPy-Dokumentation beziehen.
SciPy Reference Guide http://docs.scipy.org/doc/scipy/scipy-ref-0.14.0.pdf
NumPy User Guide http://docs.scipy.org/doc/numpy-1.8.0/numpy-user-1.8.0.pdf
Dies ist ein riesiges Volumen, aber es ist als Referenz nützlich, da es den gesamten Bereich abdeckt.
Dies ist das offizielle Dokument der Pandas-Oberfamilie.
Python Data Analysis Library http://pandas.pydata.org/pandas-docs/stable/pandas.pdf
Dies ist auch ein offizielles Beispiel, und der Inhalt ist riesig, daher ist es gut, ihn als Referenz zu bezeichnen.
Dies ist auch die offizielle Dokumentation für Matplotlib.
Matplotlib http://matplotlib.org/1.4.0/Matplotlib.pdf
Es ist eine riesige Menge von über 1.000 Seiten, aber ich denke, es ist selten, dass Sie alles brauchen, daher ist es eine gute Idee, auf die erforderlichen Teile zu verweisen.
Dies ist das Originalwerk eines japanischen Buches Einführung in die Verarbeitung natürlicher Sprache. Dies kann auch kostenlos mit einer kostenlosen Lizenz gelesen werden.
Natural Language Processing with Python (UPDATED FOR PYTHON 3) --- Analyzing Text with the Natural Language Toolkit http://www.nltk.org/book/
Natürlich ist der Teil der japanischen Handhabung in Kapitel 12 der obigen japanischen Übersetzung nicht enthalten.
Der japanische Teil kann hier aber auch kostenlos gelesen werden.
Japanische Verarbeitung natürlicher Sprache durch Python http://www.nltk.org/book-jp/ch12.html
Wenn Sie diese kombinieren, können Sie alle Kapitel kostenlos als elektronisches Buch lesen.
Sie können die meisten Bücher kostenlos lesen, wenn Sie mit Englisch vertraut sind. Es gibt gute Artikel im Internet, aber es ist immer noch am sichersten, ein gut organisiertes Buch zu lesen. Es ist eine sehr gute Zeit.
Wenn Sie weitere nützliche Bücher haben, teilen Sie uns dies bitte mit.
Recommended Posts